論文の概要: Crowdsourcing in Precision Healthcare: Short Review
- arxiv url: http://arxiv.org/abs/2303.03578v1
- Date: Tue, 7 Mar 2023 01:15:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 16:53:52.415571
- Title: Crowdsourcing in Precision Healthcare: Short Review
- Title(参考訳): 精密医療におけるクラウドソーシング
- Authors: Peter Washington
- Abstract要約: この分野での既存の研究について述べ、クラウドを利用した診断システムにおける現在進行中の課題と機会について論じる。
群衆労働者は、金銭的補償やゲーミフィケーション体験の見返りに、複雑な行動特徴に注釈を付けるために支払われる。
これらのラベルは、直接または診断機械学習モデルへの入力としてラベルを使用することによって、診断を導出するために使用することができる。
- 参考スコア(独自算出の注目度): 1.7598252755538808
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The age of deep learning has brought high-performing diagnostic models for a
variety of healthcare conditions. Deep neural networks can, in principle,
approximate any function. However, this power can be considered both a gift and
a curse, as the propensity towards overfitting is magnified when the input data
are heterogeneous and high dimensional coupled with an output class which is
highly nonlinear. This issue can especially plague diagnostic systems which
predict behavioral and psychiatric conditions that are diagnosed with
subjective criteria. An emerging solution to this issue is crowdsourcing, where
crowd workers are paid to annotate complex behavioral features in return for
monetary compensation or a gamified experience. These labels can then be used
to derive a diagnosis, either directly or by using the labels as inputs to a
diagnostic machine learning model. Here, I describe existing work in this
field. I then discuss ongoing challenges and opportunities with crowd-powered
diagnostic systems. With the correct considerations, the addition of
crowdsourcing into machine learning workflows for prediction of complex and
nuanced health conditions can rapidly accelerate screening, diagnostics, and
ultimately access to care.
- Abstract(参考訳): ディープラーニングの時代は、さまざまな医療状況にハイパフォーマンスな診断モデルをもたらしました。
ディープニューラルネットワークは、原則として任意の関数を近似することができる。
しかし、このパワーは、入力データが不均一で高次元で高非線形な出力クラスと結合された場合、過剰フィッティングの傾向が拡大されるため、ギフトと呪いの両方と見なすことができる。
この問題は、特に主観的基準で診断される行動や精神状態を予測する診断システムに悩まされる可能性がある。
この問題に対する新たな解決策はクラウドソーシング(クラウドソーシング)であり、クラウドワーカーは金銭的補償やゲーミフィケーション体験の見返りに複雑な行動特徴に注釈を付けるために支払われる。
これらのラベルは、診断機械学習モデルへの入力としてラベルを直接または使用することで、診断の導出に使用できる。
ここでは,この分野における既存業務について述べる。
次に,クラウド駆動診断システムにおける現在進行中の課題と機会について論じる。
正しい考察により、複雑な健康状態の予測のために機械学習ワークフローにクラウドソーシングを追加することで、スクリーニング、診断、最終的にケアへのアクセスを迅速に加速することができる。
関連論文リスト
- Automatic Coding at Scale: Design and Deployment of a Nationwide System
for Normalizing Referrals in the Chilean Public Healthcare System [0.0]
本稿では,チリの公共医療システムからの紹介で,疾患を自動的にコードする2段階のシステムを提案する。
具体的には,病名認識のための最新のNERモデルと,これらの疾患名に関連付けられた最も関連性の高いコードを割り当てるための検索エンジンシステムを用いている。
本システムでは,カテゴリレベルのMAPスコアが0.63,カテゴリレベルの0.83を得た。
論文 参考訳(メタデータ) (2023-07-09T16:19:35Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳(メタデータ) (2023-06-02T01:46:31Z) - Adapter Learning in Pretrained Feature Extractor for Continual Learning
of Diseases [66.27889778566734]
現在、インテリジェント診断システムには、デプロイされたばかりの新しい病気を継続的に診断する能力がない。
特に、新しい疾患のトレーニングデータを用いたインテリジェント診断システムの更新は、古い疾患の知識を壊滅的に忘れてしまう可能性がある。
ACLと呼ばれるアダプタベースの連続学習フレームワークは、新しい病気の集合を効果的に学習するために提案されている。
論文 参考訳(メタデータ) (2023-04-18T15:01:45Z) - Machine learning-based approach for online fault Diagnosis of Discrete
Event System [0.0]
問題は、センサーとアクチュエータが個別のバイナリ信号を提供する自動生産システムのオンライン診断である。
本稿では,診断システムの機械学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2022-10-24T08:56:13Z) - Scalable Online Disease Diagnosis via Multi-Model-Fused Actor-Critic
Reinforcement Learning [9.274138493400436]
医療のアドバイスをオンラインで求めている人にとっては、患者と対話して自動的に疾患を診断できるAIベースの対話エージェントが有効な選択肢だ。
これは、強化学習(RL)アプローチを自然解として提案した逐次的特徴(症状)選択と分類の問題として定式化することができる。
生成的アクターネットワークと診断批評家ネットワークから構成されるMMF-AC(Multi-Model-Fused Actor-Critic)フレームワークを提案する。
論文 参考訳(メタデータ) (2022-06-08T03:06:16Z) - NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model
with Logic Regularization [59.15047491202254]
症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。
本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。
以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
論文 参考訳(メタデータ) (2022-06-02T07:57:17Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳(メタデータ) (2021-10-04T16:06:49Z) - Quantifying machine learning-induced overdiagnosis in sepsis [0.0]
オーバー診断の可能性を事前に検出できる革新的なアプローチを提案する。
これは、機械学習による過剰診断を定量化する最初の試みの1つである。
論文 参考訳(メタデータ) (2021-07-03T11:55:55Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳(メタデータ) (2021-01-27T13:16:51Z) - A Deep Learning Pipeline for Patient Diagnosis Prediction Using
Electronic Health Records [0.5672132510411464]
我々は、公衆衛生データセットを普遍的なフォーマットに容易に変換するPythonパッケージを開発し、公開する。
複数の診断を同時に予測する2つの新しいモデルアーキテクチャを提案する。
どちらのモデルも高い精度で複数の診断を同時に予測できる。
論文 参考訳(メタデータ) (2020-06-23T14:58:58Z) - Towards Causality-Aware Inferring: A Sequential Discriminative Approach
for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。
この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。
本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文 参考訳(メタデータ) (2020-03-14T02:05:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。